1 Ocak 1989 Tarihli Commodore Gazetesi Sayfa 19

IZI ve YAŞAMINIZI Nİ TEKNOLOJİLER larca nöron bulunuyor ve bu nöron- lar arasındaki kilometrelerce uzun- luktaki yolda bilgi yolculuk ederken alım)or işleniyor ve paylaşılıyor. erçek beynin fonksiyonlarının aynısını yapmak, hatta taklit etmek için araştırmacıların önünde büyük problemler duruyor: Bilginin işlen- mesinin paralel olarak yapılmasını başarmak ve birbirleriyle ilişki halin- de olan etkili bir veri ağı meydana ge- tirmek. Bunlar büyük ödüller vaat eden donanım ve yazılım hedefleri, ancak aynı zamanda endüstrinin şu anda almış olduğu yola göre olduk- ça uzakta kalan hedefler. Bilginin Paralel Olarak İşlenmesi Şimdi yeni bir bilgisayar nesli ge- liştirilmekte. Bu neslin makinelerin- de bilgisayarın yaptığı işler aynı an- da yüzlerce veya binlerce işlemci ara- sında bölünerek paralel olarak işleni- yorlar. Avantajları görmek hiç de zor de- gil: Herbiri bir problemin onda biri üzerinde çalışan oön işlemci aynı prob- lemi tek başına çözmeye çalışan bir işlemciden on kat daha çabuk sonu- ca ulaşacaktır. Asıl hesaplama için harcanan zaman çok fazla azalmasa da, işlemcinin bilgiyi çağırması ve saklaması için geçen sürede büyük değişmeler olacağı açıktır. Paralel bir sistem, bilgi belleğe verilmeden önce, gerekli bütün hesaplamaların altın- dan kalkabilir. Bilginin paralel olarak işlenmesinin klasik bir-kere-bir-adım seri işlemine göre daha başka avantajları da var. Bir database döşünün: Mutlaka bir dizi bellek kullanacaktır. Seri bir bil- gisayarda database'i herhangi bir ko- nunun, örneğin paralel işlemin bütün referansları için araştırıyor olsanız, seri makine her defasında database'in bilgi deposundan sıralı olarak tek bir bilgi parçası çağırarak çalışacaktır. Bir paralel sistem, bununla birlik- te, database'in çeşitli bölümlerini ay- nı anda dolaşarak pek çok veya bü- tün referansları bir defada takip ede- bilir ve sonuçları klasik makinelerde mümkün olandan çok daha çabuk verebilir. Paralel işlem mimarlığına birçok örnek var, Klasik bilgisayarlara en yakın olan Single İnstruction Multip- le Data (Tek Talimatla Çoklu Bilgi). Adından da anlaşılacağı gibi bir de- fada birden fazla bilgi üzerinde çalış- mak için bir talimat veya komut (ma- kine dilinde INS) kullanılmakta. Multiple Instruction Multiple Data (Çoklu Talimatla Çoklu Bilgi) ile bu daha ileri giderek paralel yapı içinde her işlemci değişik talimatlar altında bağımsız olarak çalışabiliyor, Data How (Bilgi akışı) mimarisi ise işin en son aşaması ve burada herhangi bir seri sıralamadan uzak işlemciler dev- reye giriyor. Her işlemci bilgi mevcut olduğunda çalışmaya başlıyor ve var- dıkları sonuçları diğer işlemcilerle paylaşıyorlar, sonra onlar da diğer- leriyle paylaşıyorlar ve böylece mey- dana gelen dataflow yani bilgi akışı buna rehberlik eden ve verilen za- manda en verimli şekilde çalışmaları için işlemcilerin sırasırı devrimsel olarak yeniden düzenleyen karmaşık bir yazalım ile idare edilip izlenebili- yor. Sonraki Adım: Sinirsel Veri Ağları Bilginin paralel olarak işlenmesi bilgisayarı daha etkin, mükemmel ve beyne benzer yapmakla, ilgili dona- nım sorunlarını çözmede önemli bir adım. Sinirsel veri işleme, bilgisayar- ların içine sinirsel veri ağlarının yer- leştirilmesi, ise bilginin beyinde do- laşma şeklini model alıyor. Veri işle- nirken görevlerin paylaşılması çok kı- Çev. CAN ÖZTÜRK za zamanda görişin ayrı yerlere git- mesiyle eşleniyor ve verinin gittiği bu bölgeler, paylaşılan ve tanınan şekil- leri, ilgileri, hatıraları ve tepkileri sak- liyor. İyi bir sinirsel veri işleme ağında şe- kil ayırdetme, beynimizdeki nöronla- rı güçlendiren faaliyet gibi, bir şekil tanındığı her sefer sağlamlaştırılır. Bunun yanında, etkin olabilmek için sinirsel veri ağı, şekiller arasında ilgi kurabilmeli ve bu ilgilerle bilgisaya- rın belleğinde yeralan merkez nokta- lar ve bağlantılar güçlendirilmelidir. Böylece, dün tanınan bir şekil bugün tekrar görüldüğünde daha iyi ayırde- dilecektir. Yapay görme olayında ye- teri kadar karmaşık bir makine, sak- ladığı şekillerden bir dizi engel veya cismi tanıyarak ve uygun tepkiler göstererek kendini idare edeblir. Sinirsel veri ağları, hâlâ yapay ze- kâ uygulamalarıyla yakından ilgile- nen hükümet ve endüstri tarafından finanse edilen araştırmalara rağmen, fazlasıyla teorik projeler olarak ka- lıyorlar. Bu uygulamalardan bazıla- rının paralel veri işleme sistemi ile bir- likte kullanılması düşünülürken, di- Berleri daha başka yollar izliyorlar. Bugün, halen paralel sistemler üre- lip satan bazı şirketlerle, paralel iş- lem, gerçekleşmeye daha yakın. Ba- zı endüstri gözlemcileri bu sistemle- rin Cray gibi seri süperbilgisayarla- rın en güçlü rakipleri olduğunu dü- şünüyorlar,. Gerçek sinirsel bilgisayarların yer- lerini almaları için henüz büyük en- geller var, ancak daha önce de büyük sayılabilecek engeller aşıldı. Sadece kısmen, düşünmeyi taklit eden bilgi- sayarlara karşılık tam anlamıyla gö- ren ve hisseden makineler önümüzde- ki aylarda ve yıllarda gizlerimizi, ku- laklarımızı ve zihinlerimizi -bilgiyi ay- nı anda işleyen bu organlarımızı- meşgul edecek bir gelişme. 19